I punteggi OECD nei test sull’AI rivelano un’inversione nell’apprendimento degli studenti
I punteggi OECD nei test sull’AI rivelano un contrasto preoccupante: gli studenti che evitano i chatbot per i compiti scolastici spesso ottengono risultati migliori dei compagni che li usano. Il dato proviene da PISA 2025, la valutazione internazionale dell’OECD sugli studenti quindicenni.
Il risultato mette in discussione un presupposto diffuso sull’AI nell’istruzione. I chatbot possono produrre compiti ben rifiniti, riassumere letture e rispondere alle domande in pochi secondi. Tuttavia, un lavoro assistito migliore non costruisce automaticamente conoscenze che gli studenti possano usare in autonomia.
Questa distinzione colloca i chatbot di uso generale su un lato di una divisione emergente. Dall’altro ci sono sistemi strutturati che spingono gli studenti a ragionare, esercitarsi e spiegare le proprie risposte. Le evidenze non sostengono il divieto dell’AI nell’istruzione. Sostengono piuttosto la necessità di chiedersi se la tecnologia aiuti gli studenti a pensare o completi semplicemente il pensiero al loro posto.
PISA rileva un divario nei punteggi dei test sull’AI
La conclusione centrale dell’OECD è un’associazione tra l’uso dei chatbot e prestazioni autonome più deboli, non la prova che l’AI abbia causato i punteggi inferiori.
I risultati PISA 2025 offrono una delle panoramiche più ampie finora sull’uso dell’AI da parte degli studenti. PISA, il Programme for International Student Assessment, misura come i quindicenni applichino le conoscenze a problemi non familiari.
Entro il 2025, una maggioranza degli studenti nella maggior parte dei sistemi scolastici partecipanti aveva usato chatbot AI per il lavoro scolastico. Solo il 14 percento degli studenti nei Paesi OECD ha dichiarato di non usarli quasi mai per gli scopi esaminati.
Questi scopi includevano il riassunto di testi assegnati, la ricerca preliminare, la stesura di elaborati scritti e l’ottenimento di aiuto generale nello studio. L’assistenza generale all’apprendimento è stato l’uso segnalato più frequentemente.
L’uso quasi quotidiano restava meno comune. Nei Paesi OECD, circa uno studente su cinque ha dichiarato un uso regolare. Questo è rilevante perché sia la frequenza sia lo scopo erano collegati a modelli di prestazione diversi.
Gli studenti che hanno dichiarato di non usare chatbot per specifici compiti scolastici hanno generalmente ottenuto punteggi più alti in scienze rispetto agli utenti. Il modello è emerso nella maggior parte dei Paesi e delle economie partecipanti.
La relazione non seguiva una semplice linea retta. Gli studenti che usavano l’AI settimanalmente per l’apprendimento generale hanno ottenuto risultati simili ai non utenti dopo che i ricercatori hanno corretto i dati per il contesto socioeconomico.
Gli studenti che usavano l’AI quasi ogni giorno, o solo occasionalmente, tendevano a ottenere punteggi inferiori rispetto ai non utenti. Gli utenti moderati talvolta superavano gli utenti limitati e frequenti nel riassumere testi o ricercare nuovi argomenti.
La stesura era diversa. Il vantaggio prestazionale degli utenti moderati era meno marcato quando l’AI aiutava a scrivere gli elaborati. Il risultato è coerente con la preoccupazione che la generazione di testo possa sostituire una quantità di lavoro cognitivo maggiore rispetto all’assistenza nella ricerca.
Il confronto utilizza punteggi previsti in scienze corretti per i profili socioeconomici degli studenti. Deriva comunque da dati osservativi e auto-riferiti sull’uso. Gli studenti non sono stati assegnati casualmente a gruppi che usavano o non usavano chatbot.
Gli studenti con risultati inferiori potrebbero cercare aiuto dall’AI più spesso. Anche gli studenti con carichi di lavoro maggiori, reti di supporto più deboli o minore fiducia in sé potrebbero adottare i chatbot in modo diverso.
L’OECD avverte esplicitamente che i suoi risultati non stabiliscono un effetto causale negativo. Descrivono invece una relazione modellata da chi adotta l’AI, perché la usa e con quale frequenza.
Questo avvertimento dovrebbe impedire che un titolo facile diventi un verdetto falso. PISA non ha dimostrato che ogni studente perda conoscenze dopo aver aperto ChatGPT. Ha però rivelato un divario coerente che le scuole non possono liquidare con sicurezza.
Il divario conta anche perché PISA valuta l’applicazione senza aiuti. Un chatbot può migliorare il lavoro consegnato a casa lasciando però lo studente meno preparato quando lo strumento non è disponibile.
Questa differenza tra lavoro completato e capacità trattenuta crea il vero conflitto. I sistemi educativi hanno trascorso anni a valutare risultati visibili. L’AI generativa può ora migliorare tali risultati senza migliorare in modo affidabile chi apprende.
I punteggi OECD nei test sull’AI mettono in luce l’inversione dei compiti a casa
L’AI può far apparire migliore un compito, indebolendo al tempo stesso il legame tra quel compito e ciò che uno studente sa.
Il precedente rapporto sull’istruzione dell’OECD aveva individuato il problema prima dell’arrivo dei nuovi risultati PISA. L’AI di uso generale può aumentare la prestazione nei compiti senza produrre guadagni di apprendimento duraturi.
Uno studente potrebbe chiedere a un chatbot di riassumere un capitolo, organizzare un’argomentazione o preparare una bozza di saggio. La consegna finale può diventare più chiara anche quando lo studente legge, pianifica e revisiona meno.
Quei passaggi saltati non sono semplice attrito amministrativo. Spesso costituiscono l’attività di apprendimento stessa.
Scrivere richiede a uno studente di recuperare informazioni, valutare le prove, ordinare le idee e individuare lacune nella comprensione. Riassumere richiede di decidere quali fatti contano e come sono collegati.
Quando un chatbot svolge queste operazioni, lo studente riceve una risposta senza necessariamente costruire la struttura mentale che vi sta dietro. Il risultato immediato appare produttivo, ma il test autonomo rivela ciò che è stato trattenuto.
I ricercatori talvolta descrivono questo schema come delega cognitiva. Chi apprende trasferisce parte di un compito mentale a un sistema esterno, riducendo lo sforzo necessario per completarlo.
La delega non è automaticamente dannosa. Calcolatrici, correttori ortografici, motori di ricerca e libri di riferimento spostano tutti parte del lavoro fuori dalla mente. Gli studenti possono usare questi strumenti sviluppando al contempo competenze più profonde.
La differenza sta in ciò che resta da fare a chi apprende. Una calcolatrice richiede comunque che qualcuno scelga un’operazione e interpreti il risultato. Un chatbot può scegliere l’argomentazione, comporre la spiegazione e fornire la conclusione.
Questa sostituzione più ampia crea ciò che i ricercatori chiamano pigrizia metacognitiva. La metacognizione consiste nel monitorare la propria comprensione, le proprie strategie e i propri errori durante l’apprendimento.
Gli studenti la esercitano quando riconoscono la confusione, riconsiderano una risposta debole o chiedono aiuto mirato. Una risposta fluida del chatbot può sopprimere questi segnali facendo sembrare risolta una comprensione incompleta.
I risultati PISA includono un altro indizio. Gli studenti che evitavano i chatbot AI erano anche più propensi a segnalare comportamenti più forti nella ricerca di aiuto.
L’aiuto umano comporta solitamente una negoziazione. Un insegnante, un genitore o un compagno di classe può chiedere cosa abbia provato lo studente e dove il ragionamento sia fallito. Un chatbot generale spesso risponde subito, salvo che gli venga chiesto di comportarsi diversamente.
Questa comodità modifica il costo dell’evitare lo sforzo. Prima dell’AI generativa, esternalizzare un intero saggio richiedeva denaro, coordinamento o una condotta scorretta evidente. Ora una bozza plausibile può comparire durante una breve sessione nel browser.
L’inversione diventa più chiara quando lo strumento viene rimosso. Gli studenti possono consegnare lavori assistiti più forti e poi avere difficoltà in una valutazione chiusa che richiede le stesse conoscenze.
Uno studio del 2026 sull’istruzione secondaria cinese offre una versione più netta di questo schema. Lo studio sulla penalità di apprendimento ha analizzato 30 mesi di registrazioni di 26.811 studenti dal settimo al dodicesimo anno.
I ricercatori hanno monitorato compiti, tempi di completamento, esami mensili a libro chiuso e prove di ammissione ad alta posta in gioco in nove materie. L’adozione dell’AI è stata associata a una migliore produttività nei compiti, ma a prestazioni peggiori senza aiuti.
Anche questo studio richiede cautela. L’adozione non è stata assegnata casualmente e i ricercatori hanno dedotto alcuni comportamenti di esternalizzazione dai dati amministrativi. Non può stabilire una penalità universale per ogni studente o classe.
Tuttavia, la sua struttura affronta una debolezza dell’analisi ordinaria dei compiti. Confronta il lavoro assistito con valutazioni nelle quali gli studenti devono operare senza lo strumento.
I punteggi OECD nei test sull’AI indicano la stessa direzione su un campione internazionale molto più ampio. Insieme, questi risultati mettono in discussione voti basati principalmente su elaborati svolti a casa.
Se le scuole continueranno a trattare compiti ben rifiniti come prova diretta dell’apprendimento, l’AI renderà quel segnale meno affidabile. Il compito potrebbe misurare sempre più l’accesso, la formulazione di prompt e la revisione, anziché la padronanza autonoma.
I dati non sostengono un semplice divieto dell’AI
Le evidenze più solide distinguono tra generazione di risposte senza guida e uso dell’AI progettato intorno all’insegnamento e alla partecipazione attiva.
L’avvertimento dell’OECD è facile da ridurre a un’affermazione secondo cui l’AI danneggia sempre l’apprendimento. I suoi stessi risultati respingono questa interpretazione.
L’uso settimanale per l’apprendimento generale era associato a prestazioni in scienze simili al non utilizzo. Anche un uso moderato per determinati compiti ha prodotto risultati migliori rispetto a un uso raro o intensivo.
Questo schema suggerisce che la frequenza conta, ma che da sola non è sufficiente. Lo scopo e la progettazione didattica intorno allo strumento possono cambiare il risultato.
Uno studente che chiede una risposta pronta non vive la stessa esperienza di chi chiede un suggerimento. Nessuna delle due situazioni assomiglia a una lezione supervisionata in cui un insegnante mette in discussione ragionamenti errati.
Questa distinzione emerge nella ricerca controllata. Uno studio della Banca Mondiale ha testato un programma di tutoraggio AI di sei settimane, sostenuto dagli insegnanti, con studenti delle scuole secondarie nello Stato di Edo, in Nigeria.
Il programma ha utilizzato Microsoft Copilot per sostenere l’apprendimento dell’inglese dopo la scuola. Gli insegnanti supervisionavano attività strutturate, fornivano prompt e aiutavano gli studenti a valutare le risposte del sistema.
Gli studenti coinvolti nell’intervento hanno ottenuto un miglioramento di 0,31 deviazioni standard in una valutazione che copriva inglese, conoscenze sull’AI e competenze digitali. Lo studio sul tutoraggio in Nigeria offre quindi evidenze che l’uso guidato può migliorare l’apprendimento.
Questo risultato non contraddice l’avvertimento dell’OECD. Ne chiarisce il meccanismo.
Il programma nigeriano non ha fornito agli studenti un motore di risposte senza restrizioni, presumendo che l’apprendimento ne sarebbe seguito. Ha collocato il modello all’interno di un curriculum, di un calendario e di un processo guidato dagli insegnanti.
Il chatbot ha funzionato come tutor all’interno di un sistema didattico. Non ha sostituito il sistema.
Anche evidenze sperimentali più recenti complicano una narrazione puramente negativa. I ricercatori Zara Contractor e Germán Reyes hanno assegnato casualmente studenti universitari ad apprendere un argomento non familiare con o senza AI generativa.
I partecipanti hanno completato valutazioni senza aiuti immediatamente e una settimana dopo. L’accesso all’AI ha aumentato i punteggi di conoscenza immediata di 0,27 deviazioni standard e tali guadagni sono persistiti una settimana più tardi.
L’esperimento randomizzato ha riscontrato benefici ritardati più forti tra gli utenti di potenziamento. Questi studenti chiedevano all’AI di spiegare concetti anziché generare testi al loro posto.
Gli utenti di automazione hanno seguito il modello opposto. I loro miglioramenti a breve termine nella qualità del risultato sono scomparsi dopo la rimozione dell’accesso all’AI.
Questo contrasto offre un quadro pratico per interpretare i punteggi OECD nei test sull’AI. La domanda rilevante non è se un chatbot sia comparso durante lo studio.
La domanda è quali passaggi cognitivi siano rimasti allo studente. Spiegazione, recupero, confronto e autocorrezione possono sostenere l’apprendimento. La produzione automatica può aggirarli.
Anche età e contesto limitano i confronti diretti. L’esperimento randomizzato ha coinvolto studenti universitari, mentre PISA esamina quindicenni. L’intervento della Banca Mondiale si è svolto in uno specifico contesto nigeriano.
Un programma strutturato doposcuola non può prevedere cosa accade quando milioni di studenti usano privatamente chatbot diversi. Un piccolo esperimento non può chiarire gli effetti a lungo termine in ogni materia.
Ciononostante, gli studi positivi evidenziano la debolezza di un divieto generalizzato. Rimuovere l'AI significherebbe anche eliminare opzioni di tutoraggio in grado di ampliare feedback e pratica.
La scelta politica non è quindi tra uso illimitato ed esclusione totale. Le scuole hanno bisogno di regole che distinguano l'assistenza produttiva dall'impegno sostituito.
Un chatbot potrebbe essere autorizzato a porre domande socratiche, generare esercizi pratici o spiegare perché una risposta è sbagliata. Potrebbe invece essere limitato nella produzione di testi finali per lavori valutati.
Gli studenti possono anche documentare la cronologia delle loro interazioni e spiegare quali suggerimenti hanno accolto. Questo processo rende visibile il ragionamento, anziché trattare il documento finale come unica prova.
Gli strumenti per gli studenti dovrebbero supportare il recupero delle informazioni, la riflessione e il confronto delle fonti. Uno spazio di lavoro personale per studenti può aiutare a organizzare i materiali, ma lo studente deve comunque valutarli e collegarli.
Il rapporto OECD indica nella progettazione didattica l'elemento distintivo. La disponibilità di strumenti generici non è una strategia di apprendimento. Le scuole devono decidere quali usi preservano l'impegno e quali lo cancellano.
Le scuole affrontano ora un problema di valutazione
I chatbot esercitano la maggiore pressione sulle scuole che continuano a equiparare un elaborato non supervisionato alla comprensione individuale.
L'AI generativa non ha creato ogni debolezza nei compiti a casa e nei lavori scolastici. Ha reso le debolezze esistenti più facili da sfruttare e più difficili da ignorare.
Gli insegnanti sanno da tempo che il lavoro svolto a casa riflette livelli diseguali di assistenza. Alcuni studenti ricevono un ampio aiuto familiare, ripetizioni private o feedback redazionali. Altri lavorano da soli.
L'AI aggiunge un collaboratore sempre disponibile, in grado di generare la sostanza di una risposta. Il testo finale può restare difficile da distinguere dal legittimo lavoro dello studente.
Il software di rilevamento non risolve questo problema in modo affidabile. I falsi positivi possono penalizzare la scrittura originale, mentre un testo AI revisionato può eludere il rilevamento. Le scuole hanno bisogno di modalità di valutazione che rivelino il processo dello studente.
La pressione va oltre l'imbroglio deliberato. Uno studente può usare un chatbot nell'ambito di una politica permissiva e continuare a evitare la pratica necessaria per le prestazioni successive.
Questo rende l'intento un criterio incompleto. Uno studente in buona fede potrebbe richiedere ripetutamente spiegazioni rifinite, sentirsi produttivo e scoprire la lacuna nelle conoscenze solo durante un esame.
L'autorità britannica di regolazione delle qualifiche ha affrontato direttamente il tema dell'integrità. Le sue linee guida 2026 sui lavori scolastici affermano che presentare come proprio un lavoro generato dall'AI costituisce imbroglio.
Tuttavia, la punizione affronta solo una parte del problema dell'apprendimento. Gli studenti possono rispettare le regole di dichiarazione e continuare comunque a dipendere eccessivamente dalle risposte generate.
Le scuole devono osservare le competenze attraverso più formati. Brevi difese orali, scrittura supervisionata, bozze iterative, dimostrazioni pratiche e risoluzione di problemi dal vivo possono fornire prove più solide.
Questi formati non sono immuni dal coaching. Rendono però più difficile che un elaborato finale prodotto dall'AI sostituisca la comprensione dello studente.
La riprogettazione delle valutazioni comporta anche costi. Gli esami orali richiedono tempo al personale. Il lavoro supervisionato riduce la flessibilità. La valutazione basata su progetti può introdurre giudizi soggettivi e oneri di coordinamento.
Questi costi ricadranno in modo diseguale. Le scuole ben finanziate possono formare gli insegnanti e creare gruppi di valutazione più piccoli. I sistemi con carenze di personale potrebbero dipendere maggiormente da compiti scritti scalabili.
Anche i fornitori di AI subiscono pressioni. I prodotti generici sono solitamente ottimizzati per risposte utili e complete. Questo obiettivo può entrare in conflitto con l'insegnamento, che talvolta richiede di non fornire una risposta.
Una modalità educativa efficace potrebbe chiedere allo studente di tentare prima una soluzione. Potrebbe offrire suggerimenti progressivamente più espliciti, individuare le idee errate e richiedere una spiegazione prima di procedere.
Il sistema avrebbe inoltre bisogno di protezioni della privacy adeguate all'età e di pratiche trasparenti sui dati. Le conversazioni degli studenti possono contenere registri accademici, preoccupazioni personali e segnali comportamentali sensibili.
Gli insegnanti hanno bisogno di controllo sull'allineamento al programma di studio. Un chatbot che propone metodi corretti ma estranei al programma può confondere gli studenti o compromettere una lezione attentamente sequenziata.
Le allucinazioni restano un altro problema. Una spiegazione falsa ma sicura di sé può insegnare un'idea errata, soprattutto quando lo studente non possiede conoscenze sufficienti per contestarla.
L'OECD riferisce che circa sei studenti su dieci erano stati invitati durante le lezioni a valutare informazioni generate dall'AI. Tra loro, il 46 per cento lo faceva talvolta, il 33 per cento spesso e il 22 per cento molto spesso.
Queste cifre mostrano che le competenze di valutazione sono entrate in molte classi. Lasciano però una quota consistente di studenti senza una pratica regolare nel verificare gli output dell'AI.
Le preoccupazioni per l'integrità accademica sono già diffuse tra gli educatori. Nell'OECD Digital Education Outlook, il 72 per cento degli insegnanti della scuola secondaria di primo grado riteneva che l'AI potesse consentire agli studenti di presentare come proprio lavoro generato.
Allo stesso tempo, il 37 per cento degli insegnanti della scuola secondaria di primo grado ha dichiarato di usare l'AI per il proprio lavoro nel 2024. Un ulteriore 57 per cento ha concordato sul fatto che l'AI aiuti a scrivere o migliorare i piani di lezione.
Questa combinazione coglie la tensione istituzionale. Le scuole vedono applicazioni utili per gli insegnanti, mentre temono che gli studenti possano aggirare l'apprendimento.
Le politiche devono tenere conto di entrambi gli aspetti. Gli insegnanti potrebbero usare l'AI per creare esercizi differenziati, redigere feedback o simulare conversazioni di tutoraggio. Gli studenti hanno comunque bisogno di occasioni protette per affrontare difficoltà in modo produttivo.
La difficoltà produttiva non significa negare ogni assistenza. Significa offrire un supporto sufficiente per avanzare senza eliminare il ragionamento che costruisce la padronanza.
Il rapporto OECD sull'educazione e l'AI sposta quindi la responsabilità verso le istituzioni e i progettisti dei prodotti. Dire agli studenti di “usare l'AI in modo responsabile” è troppo vago per guidare il comportamento.
Le regole dovrebbero identificare le azioni consentite, le dichiarazioni richieste e le competenze da dimostrare senza assistenza. Dovrebbero anche spiegare perché un certo grado di difficoltà resta necessario dal punto di vista educativo.
La correlazione è l'incertezza centrale
Il confronto PISA è importante per la sua scala, ma il suo disegno non può stabilire se l'uso dei chatbot abbia causato prestazioni più deboli in scienze.
Gli studenti si avvicinano all'AI con capacità, motivazioni e risorse diverse. Queste differenze possono influenzare sia l'adozione sia i punteggi nei test.
Uno studente in difficoltà potrebbe usare maggiormente un chatbot perché l'istruzione esistente non ha funzionato. In quel caso, le prestazioni inferiori precederebbero l'uso dell'AI, anziché derivarne.
Gli studenti con risultati elevati potrebbero evitare i chatbot perché possiedono già solide abitudini di studio. I loro punteggi più alti potrebbero riflettere tali abitudini, non l'assenza dell'AI.
La frequenza dichiarata dagli stessi studenti aggiunge un altro limite. Gli studenti possono interpretare diversamente “aiutami a imparare”, dimenticare un uso occasionale o sottostimare comportamenti che sembrano vietati.
Le categorie combinano inoltre molti stili di interazione. Un utente settimanale potrebbe richiedere domande pratiche. Un altro potrebbe generare un intero compito con la stessa frequenza dichiarata.
PISA ha corretto i confronti in scienze per il contesto socioeconomico. Questo migliora l'analisi, ma non può controllare ogni differenza tra utenti e non utenti.
L'OECD lo riconosce direttamente. Il suo rapporto afferma che le relazioni potrebbero riflettere una combinazione complessa di chi adotta l'AI e di come la utilizza.
Il linguaggio dei titoli dovrebbe quindi rimanere prudente. “Gli studenti che usano l'AI hanno ottenuto punteggi più bassi” descrive un'associazione osservata. “L'AI ha fatto ottenere agli studenti punteggi più bassi” avanza un'affermazione causale che i dati PISA non possono sostenere.
Lo studio cinese con dati panel offre confronti più solidi in termini di tempistica e risultati, ma rimane anch'esso osservazionale. I ricercatori non hanno assegnato casualmente l'accesso a lungo termine ai chatbot a migliaia di bambini.
Gli studi controllati risolvono alcuni problemi di selezione. Tuttavia, di solito riguardano campioni più piccoli, periodi più brevi o interventi altamente strutturati.
Lo studio in Nigeria dimostra che il tutoraggio guidato dall'AI può aiutare in condizioni specifiche. Non dimostra che l'uso non supervisionato dei chatbot produrrà lo stesso risultato.
L'esperimento con studenti universitari ha rilevato miglioramenti nell'apprendimento quando l'AI integrava la spiegazione. I partecipanti, la materia e l'ambiente controllato differiscono dall'uso quotidiano nelle scuole secondarie.
Questi limiti non annullano l'avvertimento. Definiscono ciò che le scuole dovrebbero indagare successivamente.
Se fonti di dati diverse mostrano ripetutamente compiti più forti ma prestazioni più deboli senza assistenza, gli educatori hanno una ragione credibile per riprogettare le valutazioni. Non devono attendere una stima causale universale.
Allo stesso tempo, una certezza prematura può produrre politiche inadeguate. Un divieto totale potrebbe spingere l'uso nella clandestinità, bloccare un tutoraggio benefico e impedire alle scuole di insegnare l'alfabetizzazione all'AI.
La risposta più difendibile è un'adozione controllata. Le scuole possono confrontare classi, materie e configurazioni degli strumenti, misurando sia l'output assistito sia le prestazioni successive senza assistenza.
Dovrebbero inoltre monitorare le differenze tra gruppi di studenti. L'AI potrebbe sostenere chi ha un accesso limitato alle ripetizioni, danneggiando al contempo chi la usa principalmente per evitare l'impegno.
Le esigenze di accessibilità richiedono particolare attenzione. Alcuni studenti usano l'AI per il supporto linguistico, l'assistenza alla lettura o l'organizzazione delle idee. Le restrizioni non dovrebbero eliminare gli accomodamenti senza alternative equivalenti.
Anche le differenze tra materie contano. Generare un saggio di storia sostituisce un lavoro mentale diverso rispetto al ricevere feedback su una dimostrazione matematica.
La misurazione a lungo termine è essenziale. Uno strumento potrebbe migliorare un quiz dopo una settimana, ma indebolire la ritenzione dopo un semestre. Un altro potrebbe inizialmente rallentare il lavoro, sviluppando al contempo capacità di ragionamento durature.
L'incertezza centrale non riguarda quindi il fatto che l'AI cambi l'apprendimento. Modifica già la sequenza, l'impegno e le prove che ruotano attorno all'apprendimento.
L'incertezza riguarda quali configurazioni producano conoscenze durature, per quali studenti e in quali condizioni. I risultati dell'OECD forniscono una base di riferimento, non una risposta definitiva.
Tre segnali mostreranno cosa accadrà dopo
La prossima fase dovrebbe essere giudicata in base alle prestazioni indipendenti, alla progettazione didattica dei prodotti e alla riforma delle valutazioni, piuttosto che alla sola adozione dei chatbot.
Il primo segnale è il modo in cui i ricercatori analizzeranno il database PISA 2025. Gli studi a livello nazionale possono verificare se l'associazione persiste tra materie, politiche scolastiche e contesti degli studenti.
Un divario costante dopo controlli più rigorosi rafforzerebbe l'avvertimento dell'OECD. Un'ampia variazione in base allo scopo o alle pratiche scolastiche rafforzerebbe l'argomento a favore di regole mirate anziché di restrizioni generalizzate.
I ricercatori dovrebbero separare redazione, sintesi, ricerca, feedback e tutoraggio. Riunirli sotto il generico uso dell'AI nasconde i meccanismi che le scuole hanno più bisogno di comprendere.
Il secondo segnale è se i principali fornitori di chatbot cambieranno le modalità educative. Un cambiamento significativo del prodotto manterrebbe gli studenti attivi, anziché ottimizzare ogni interazione per il completamento immediato.
Indicatori utili includono suggerimenti ritardati, requisiti di tentativo, controlli per gli insegnanti, allineamento al programma di studio e spiegazioni adattate alle idee errate diagnosticate. Studi indipendenti dovrebbero verificare se queste funzionalità migliorano la ritenzione senza assistenza.
Le affermazioni di marketing non risolveranno la questione. I fornitori hanno bisogno di confronti che rimuovano lo strumento dopo l'istruzione e misurino se gli studenti sanno trasferire le conoscenze a nuovi problemi.
Il terzo segnale è la riprogettazione delle valutazioni nel prossimo ciclo accademico. Scuole e organismi d'esame riveleranno le loro priorità attraverso regole di valutazione, attività supervisionate e requisiti di dichiarazione.
Più discussioni orali, bozze presentate per fasi e dimostrazioni in classe mostrerebbero che le istituzioni non si fidano più dei soli elaborati finali svolti a casa. La continua dipendenza da testi non supervisionati manterrebbe l’attuale disallineamento.
Le scuole dovrebbero pubblicare prove degli effetti di questi cambiamenti, laddove le norme sulla privacy lo consentano. Gli educatori devono sapere se le valutazioni riprogettate migliorano la validità senza creare carichi di lavoro irragionevoli.
Anche genitori e studenti hanno bisogno di aspettative più chiare. Una regola che si limiti a consentire o vietare l’“AI” non può distinguere il tutoraggio dal completamento automatico.
Lo standard più utile pone una domanda diretta: lo studente riesce ancora a spiegare, riprodurre e applicare il lavoro senza il chatbot?
I risultati nei test sull’AI dell’OECD hanno trasformato questa domanda in una questione di politica internazionale. Non giustificano il panico, né sostengono il compiacimento.
Gli studenti dovrebbero esaminare il modo in cui usano attualmente i chatbot. Chiedete spiegazioni, controargomentazioni, domande di esercitazione e feedback su un tentativo originale. Evitate di lasciare che il sistema sostituisca la prima bozza del pensiero.
Gli insegnanti dovrebbero verificare l’apprendimento dopo la scomparsa dello strumento. I team di prodotto dovrebbero misurare le competenze mantenute, non solo un completamento più rapido o una maggiore soddisfazione.
Il prossimo ciclo di evidenze mostrerà se le scuole riescono a preservare il valore di tutoraggio dell’AI senza esternalizzare lo sforzo dello studente. L’esito dipende dalle scelte progettuali che vengono compiute ora.
